Ramp的Seb Goddijn写了一篇关于他们自建AI工作台Glass的长帖。背景很简单：买了最好的AI工具，但99%的员工用了之后卡在"配置"这一关——npm安装、MCP配置、终端窗口，把大多数非技术员工挡在门外。

这不是能力问题，是产品设计问题。

不是降低天花板，是抬升地板

Ramp的做法不是简化到"给个聊天框完事"，他们的核心观点是：不要限制任何人的上限。

大多数公司做AI产品推广的思路是"简化"——减少选项、降低门槛、做防呆设计。Ramp认为这是错的。真正的Power User需要多窗口工作流、深度集成、定时自动化、持久记忆、可复用技能。Glass的目标不是去掉复杂性，而是让复杂性对用户不可见，同时保留全部能力。

一个发现改变了整个方向

最有价值的洞察来自一次意外观察：那些从AI获得最多的人，不是参加培训最多的人，而是第一天就装了一个Skill、立刻看到结果的人。

这让Glass团队重新定义了产品：每个功能本质上都是一节课。Skill展示了什么叫好的AI输出，记忆系统展示了什么叫上下文重要性，自愈集成展示了什么叫"错误不是你的锅"。没有人被教导，但每个人都在使用中学会了。

三个核心原则

1. 不要限制任何人的上限 简化不是答案。Glass保留了完整能力集，但通过预设配置让非技术员工无需配置即可使用。Okta SSO登录后，所有Ramp工具一键可用，包括自研产品Ramp Research、Ramp Inspect和最新发布的Ramp CLI。

2. 个人的突破应该成为所有人的基准线 工作流发现不应该只属于发现者。Glass用Dojo解决这个问题——一个内部技能市场，任何人发现一个好用的工作流，都可以打包成Skill分享给全公司。目前已积累超过350个Skills，全部Git版本化管理，像代码一样review。

Sensei是Dojo里的AI向导。它根据你连接的工具有什么、你的角色、你最近在做什么，主动推荐最相关的Skills。新来的客户经理不需要浏览350个Skills的目录——Sensei会在第一天就推荐5个最相关的。

3. 产品本身就是赋能 Glass在安装时会基于用户已授权的连接自动构建完整的记忆系统。每次对话都知道你在和谁合作、项目进展如何、相关的Slack频道和Notion文档。24小时后还有一次同步清理pipeline，从Slack、Notion、日历里挖掘更新，让Agent的上下文跟随用户的世界变化，不需要用户重复解释。

为什么不自建：三个理由

内部生产力就是护城河。 用好AI现在是核心业务需求。能调动全员AI能力的公司会跑得更快、服务更好、竞争优势无法被复制。这不是应该外包的基础设施。

速度。 自有工具意味着当天看到问题当天修。用户报Bug到Slack，团队自动分流成ticket，大部分几小时内解决。等外部供应商的路线图不适用于这种迭代速度。

直接反哺外部产品。 Ramp是AI优先的金融团队产品公司。内部解决的问题——什么样的记忆真的有用？如何让技能分发和运维更有效？如何通过使用数据来推荐功能？——这些都会直接转化成面向客户的产品决策。用Glass练兵，为客户打磨。

最有意思的一句话

"我们不相信降低天花板。我们相信抬升地板。"